【技术实现步骤摘要】
本专利技术涉及工程安全管理，具体为一种基于bim和ai大模型的工程安全智能管理方法及系统。
技术介绍
1、建筑行业作为传统行业存在诸多痛点。高耗能、低效率；工程项目多、管理粗放化；信息不流畅、监管效率难以提高；工地人员复杂、管理难度高；过程数据难采集、重大决策缺乏支撑等等，不仅让安全生产浮于表面，更是严重影响了企业管理运营的效率，导致利润率低下，制约着整个行业的发展。最值得关注的是，我国建筑工程施工安全问题究其原因，主要是企业和工人安全意识不足；施工现场存在高空、露天、交叉作业等风险因素；场地狭窄，工程量大，施工环境差；工程安全管理模式相对落后等。
2、bim技术具有可视性、模拟性、优化性和协调性的特点，将bim技术运用到工程安全管理中，结合iot、vr技术，能够有效减少安全事故的发生。现有的基于bim 技术在工程安全管理方面，主要是通过构建建筑信息模型（bim），构建智慧工地管理平台，可实现施工模拟、方案优化、危险源的识别、控制、预警等多方智能联动管理、安全教育等。
3、ai技术通过计算机模拟人的思维过程和智能行为，具备数据挖掘、机器学习、认知与知识工程、智能计算等应用能力。结合图像识别和视频分析技术，通过深度学习建立模型，进而对检测的目标进行辨识，且检测结果均具备一定的准确性和实时性，提高了工程安全管理的效率。目前ai技术在工程安全管理方面的应用主要有安全帽识别、反光衣识别、升降梯超员、危险区域入侵、明火识别、烟雾识别、安全晨会识别、基坑临边防护、洞口防护告警等。
4、结合实际工程项目中b
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：如何利用bim和ai技术，结合实时数据监控和智能分析，有效识别和预警工程安全中的潜在风险，从而提高工程项目的安全管理效率和效果。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于bim和ai大模型的工程安全智能管理方法，包括：建立bim数据库，并整合iot技术，实时收集工程现场的数据；
4、分析施工项目资料、安全标准规范和历史事故案例，对潜在危险源进行数据类型分类并记录，并汇集工程安全相关的教育材料和考试题库，建立危险源信息数据库和专业知识库；
5、利用bim技术融合bim数据库、工程工地现场数据库、危险源信息数据库和工程行业专业知识库，形成统一的工程安全管理大数据库，实现数据的互联互通和统一管理；
6、对所述危险源信息数据库的数据进行安全等级分类，设定各类危险源的临界值，定义安全等级状态，制定安全事故预警指标体系；
7、建立基于bp神经网络的预警模型，利用工程安全大数据库中的数据，训练bp神经网络模型，实现对潜在安全事故的预警；
8、创建ai驱动的智能助理，开发基于ai大模型的智能助理系统，提供安全监管和预警服务，在检测到潜在风险时发出警报。
9、作为本专利技术所述的基于bim和ai大模型的工程安全智能管理方法的一种优选方案，其中：所述bim数据库包括，建筑物机电管综数据、建筑模型数据、结构模型数据和给排水系统数据的
10、所述机电管综数据包括，建筑物机电系统的运行状态、能耗数据和维护记录；
11、所述建筑模型数据包括，建筑物的设计参数、材料规格和施工进度信息；
12、所述结构模型数据包括，建筑物结构的应力分析、负载测试和稳定性评估数据；
13、所述给排水系统数据包括，水管布局、流量监测和排水系统性能数据；
14、所述整合iot技术包括，通过iot传感器收集的温度、湿度、气压和光照强度数据，通过视频摄像机和智慧安全帽收集的工人位置、活动和安全装备佩戴情况数据，通过rfid标签和传感器收集的机械设备运行状态、使用频率和维护记录数据。
15、作为本专利技术所述的基于bim和ai大模型的工程安全智能管理方法的一种优选方案，其中：所述对潜在危险源进行分类记录包括，使用tf-idf技术进行文本特征提取，从所述施工项目资料、安全标准规范和历史事故案例中识别和加权特点的词语，公式表示为：
16、 ；
17、其中，表示词语在文档中的出现频率；表示文档集中的文档总数；表示包含词语的文档数量，反映了词语的普遍重要性；表示逆文档频率；
18、应用机器学习算法，支持向量机svm，对预处理和特征提取后的数据进行分析和分类，具体公式为：
19、 ；
20、其中，表示支持向量的拉格朗日乘子；表示训练数据点的标签；表示为rbf核函数，其中是一个正的缩放参数，用于控制高斯函数的宽度；表示输入向量和支持向量之间的欧氏距离的平方；表示决策边界的偏置项。
21、作为本专利技术所述的基于bim和ai大模型的工程安全智能管理方法的一种优选方案，其中：所述工程工地现场数据库包括，劳务工人数据和各类设备仪器数据；
22、所述危险源信息数据库包括，发生危险的事故案例的数据信息；
23、所述工程行业专业知识库包括，工程行业安全教育知识及安全教育考试题库；
24、所述形成统一的工程安全管理大数据库包括，对所述bim数据库、所述工程工地现场数据库、所述危险源信息数据库和所述工程行业专业知识库的数据格式进行标准化处理，统一数据编码、时间戳格式和数据字段命名，使数据在格式和结构上的保持一致性；
25、通过数据融合算法，将不同数据库中的数据整合到一个统一的平台上，公式为：
26、 ；
27、其中，表示第个数据源的数据集；表示分配给第个数据源的权重，表示融合后的数据集；
28、建立数据交换和共享机制，使数据在不同系统间的互联互通。
29、作为本专利技术所述的基于bim和ai大模型的工程安全智能管理方法的一种优选方案，其中：所述制定安全事故预警指标体系包括，构建一个综合评估模型，考虑人的因素、物的因素、环境因素、技术因素和管理因素，为每个因素赋予一个风险权重, 并评估其风险值，评估公式为：
30、 ；
31、其中，是因素的总数，是第个因素的权重，是第个因素的风险值；
32、为每个因素设定一个危险临界值，若某因素的风险评分超过其临界值，则其将被视为潜在危险；
33、基于总风险评分，将安全状况分为安全、隐患、危险三种状态；
34、设定两个阈值和，其中；
35、若，则被视为安全，继续保持当前的安全管理措施和监控水平，进行正常的安全检查；
36、若，则被视为存在安全隐患，提高监本文档来自技高网...
【技术保护点】
1.一种基于BIM和AI大模型的工程安全智能管理方法，其特征在于，包括：
2.如权利要求1所述的基于BIM和AI大模型的工程安全智能管理方法，其特征在于：所述BIM数据库包括，建筑物机电管综数据、建筑模型数据、结构模型数据和给排水系统数据的
3.如权利要求2所述的基于BIM和AI大模型的工程安全智能管理方法，其特征在于：所述对潜在危险源进行数据类型分类包括，使用TF-IDF技术进行文本特征提取，从所述施工项目资料、安全标准规范和历史事故案例中识别和加权特点的词语，公式表示为：
4.如权利要求3所述的基于BIM和AI大模型的工程安全智能管理方法，其特征在于：所述工程工地现场数据库包括，劳务工人数据和各类设备仪器数据；
5.如权利要求4所述的基于BIM和AI大模型的工程安全智能管理方法，其特征在于：所述制定安全事故预警指标体系包括，构建一个综合评估模型，考虑人的因素、物的因素、环境因素、技术因素和管理因素，为每个因素赋予一个风险权重, 并评估其风险值 ，评估公式为：
6.如权利要求5所述的基于BIM和AI大模型的工程安全智能
7.如权利要求6所述的基于BIM和AI大模型的工程安全智能管理方法，其特征在于：所述安全监管和预警服务包括，利用BIM技术实时更新工程项目的建筑信息模型，确保所有数据反映当前的工程状态；
8.一种采用如权利要求1-7任一所述方法的一种基于BIM和AI大模型的工程安全智能管理系统，其特征在于：包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现基于BIM和AI大模型的工程安全智能管理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现基于BIM和AI大模型的工程安全智能管理方法的步骤。
...【技术特征摘要】
1.一种基于bim和ai大模型的工程安全智能管理方法，其特征在于，包括：
2.如权利要求1所述的基于bim和ai大模型的工程安全智能管理方法，其特征在于：所述bim数据库包括，建筑物机电管综数据、建筑模型数据、结构模型数据和给排水系统数据的
3.如权利要求2所述的基于bim和ai大模型的工程安全智能管理方法，其特征在于：所述对潜在危险源进行数据类型分类包括，使用tf-idf技术进行文本特征提取，从所述施工项目资料、安全标准规范和历史事故案例中识别和加权特点的词语，公式表示为：
4.如权利要求3所述的基于bim和ai大模型的工程安全智能管理方法，其特征在于：所述工程工地现场数据库包括，劳务工人数据和各类设备仪器数据；
5.如权利要求4所述的基于bim和ai大模型的工程安全智能管理方法，其特征在于：所述制定安全事故预警指标体系包括，构建一个综合评估模型，考虑人的因素、物的因素、环境因素、技术因素和管理因素，...
【专利技术属性】
技术研发人员：叶娟娟，汪丛军，邹胜，叶磊，郑昕昀，许书琪，肖勇军，刘文棚，
申请(专利权)人：中亿丰数字科技集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。